1(广东顺德中山大学卡内基梅隆大学国际联合研究院 广东顺德 528300);2(中山大学电子与信息工程学院 广州 510006);3(眼科学国家重点实验室(中山大学) 广州 510060);4(南方科技大学电子与电气工程系 广东深圳 518055) (zhongzhq9@mail2.sysu.edu.cn)
出版日期: 2018-08-01基金资助:国家重点研发计划项目(2017YFC0112400)；国家自然科学基金项目(81501546) This work was supported by the National Key Research and Development Program of China (2017YFC0112400) and the National Natural Science Foundation of China (81501546).Left-vs-Right Eye Discrimination Based on Convolutional Neural Network
Zhong Zhiquan1,2, Yuan Jin3,Tang Xiaoying41(SYSU-CMU Shunde International Joint Research Institute, Shunde, Guangdong 528300);2(School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou 510006);3(State Key Laboratory of Ophthalmology (Sun Yat-sen University), Guangzhou 510060);4(Department of Electrical and Electronic Engineering, Southern University of Science and Technology, Shenzhen, Guangdong 518055)
Online: 2018-08-01摘要/Abstract
摘要： 利用一个深度卷积神经网络提出并验证了一种能自动判别左右眼的新方法.根据左眼和右眼图像的特征差异性，所设计的网络能够自动估计网络的所有参数.在Alexnet网络的基础之上进行修改，设计的卷积神经网络由4个卷积池化层和2个全连接层组成，其次是作为最后一层的分类器.基于针对42541张眼底图像的实验结果，所提出的网络的训练精度约为100%，测试精度高达99%.此外，所提出的网络具有高度的鲁棒性，它可以成功地识别大量具有多变性的眼底图像.据所知，这是第1个基于深度学习用于左右眼识别的高精准度网络.
参考文献
相关文章 15
| [1] | 吴宗友, 白昆龙, 杨林蕊, 王仪琦, 田英杰. 电子病历文本挖掘研究综述[J]. 计算机研究与发展, 2021, 58(3): 513-527. |
| [2] | 廖海斌, 徐斌. 基于性别和年龄因子分析的鲁棒性人脸表情识别[J]. 计算机研究与发展, 2021, 58(3): 528-538. |
| [3] | 付章杰, 李恩露, 程旭, 黄永峰, 胡雨婷. 基于深度学习的图像隐写研究进展[J]. 计算机研究与发展, 2021, 58(3): 548-568. |
| [4] | 古天龙, 冯旋, 李龙, 包旭光, 李云辉. 基于社会新闻数据集的伦理行为判别方法[J]. 计算机研究与发展, 2021, 58(2): 253-263. |
| [5] | 陈晋音, 陈奕芃, 陈一鸣, 郑海斌, 纪守领, 时杰, 程瑶. 面向深度学习的公平性研究综述[J]. 计算机研究与发展, 2021, 58(2): 264-280. |
| [6] | 李金鹏, 张闯, 陈小军, 胡玥, 廖鹏程. 自动文本摘要研究综述[J]. 计算机研究与发展, 2021, 58(1): 1-21. |
| [7] | 孟子尧, 谷雪, 梁艳春, 许东, 吴春国. 深度神经架构搜索综述[J]. 计算机研究与发展, 2021, 58(1): 22-33. |
| [8] | 朱泓睿, 元国军, 姚成吉, 谭光明, 王展, 户忠哲, 张晓扬, 安学军. 分布式深度学习训练网络综述[J]. 计算机研究与发展, 2021, 58(1): 98-115. |
| [9] | 林培光, 周佳倩, 温玉莲. SCONV：一种基于情感分析的金融市场趋势预测方法[J]. 计算机研究与发展, 2020, 57(8): 1769-1778. |
| [10] | 李若南, 李金宝. 一种无源被动室内区域定位方法的研究[J]. 计算机研究与发展, 2020, 57(7): 1381-1392. |
| [11] | 李冬梅, 张扬, 李东远, 林丹琼. 实体关系抽取方法研究综述[J]. 计算机研究与发展, 2020, 57(7): 1424-1448. |
| [12] | 邢新颖, 冀俊忠, 姚垚. 基于自适应多任务卷积神经网络的脑网络分类方法[J]. 计算机研究与发展, 2020, 57(7): 1449-1459. |
| [13] | 胡超文, 邬昌兴, 杨亚连. 基于扩展的S-LSTM的文本蕴含识别[J]. 计算机研究与发展, 2020, 57(7): 1481-1489. |
| [14] | 于海涛, 杨小汕, 徐常胜. 基于多模态输入的对抗式视频生成方法[J]. 计算机研究与发展, 2020, 57(7): 1522-1530. |
| [15] | 王庆林, 李东升, 梅松竹, 赖志权, 窦勇. 面向飞腾多核处理器的Winograd快速卷积算法优化[J]. 计算机研究与发展, 2020, 57(6): 1140-1151. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3745
